赵耀全 车 超 张 强

(大连大学计算机辅助设计国家地方联合工程实验室 辽宁 大连 116622)

0 引 言

作为自然语言处理领域的基础任务，命名实体识别得到了持续的关注。在中文命名实体识别中，目前的主流方法是基于字符的LSTM-CRF模型[1]。然而词语为命名实体识别提供了重要的边界信息，越来越多的研究利用单词信息提高识别的准确率。例如：Rei[2]通过构建一个单词语言的模型去提高命名实体识别的准确率；Peters等[3]通过预先训练一个字符的语言模型来增强单词表示进而提高识别的准确率。

然而，在特定领域的命名实体识别中，由于专业术语的特殊性，未登录词常常会因为歧义造成识别错误。这在医疗领域中尤其严重，如“支气管哮喘”中的“气管”因为在生活领域是一种工具而被错误识别。为了在利用词语信息的同时减少未登录词造成的错误，本文在Lattice-LSTM模型[4]基础上引入新词发现进行医疗命名实体的识别。Lattice-LSTM能够将输入的字符以及所有能在词典匹配的单词一起编码输入到模型中，选择出最相关的字符和单词，降低歧义发生的概率，从而提升识别的准确率。为此，本文构建了一个医疗相关的词典。在构建医疗词典的过程中，使用N-grams算法从大量的医疗对话语料中获取新词，帮助分词算法进行分词。然后根据分词后的结果使用Word2Vec构建一个医疗的词典。本文模型将潜在的多种的单词信息作为特征，构建Lattice-LSTM模型来对这些单词进行建模。如图1所示，利用构建的词表来构建网格结构。……